一种新的属性重要性度量及其规则获取

在分析规则知识条件和结论所在等价类包含关系基础上,提出了一个新的属性相对重要性的定义,并给出一种以决策类为基础的逐渐增加条件属性直接获取最简分类规则方法,同时用实例进行了验证。     

《数据挖掘》课程思政教学探索与实践

《数据挖掘》是一门涉及多个专业的主干课程,将授课内容与思政融合,不但可以提升学生对该课程的多角度认识,也有助于丰富培养学生的内涵,从而促进学生全面全面、健康发展。为此依据数据挖掘课程特点,结合课程思政理念进行该课程的教学方法与内容的改革与探索,主要从数据以及数据处理角度探索在该课程在授课过程中如何引入思政元素,从多方面提出了该课程思政的建设思路。     

模糊关联规则支持度选择的一种改进

提出一种模糊关联规则支持度的改进定义,这种定义不仅考虑了它的统计特性,而且考虑了模糊模式的模糊性。     

笛卡儿积域粗糙集模型的矩阵性质

针对由2个Pawlak近似空间上建立的笛卡儿积域粗糙集模型,引入矩阵工具,定义了几种矩阵算子,讨论了该模型基本概念、集合之间关系的矩阵表示与计算过程,得到关于该模型在一般情形与变精度情形下矩阵计算的若干性质。     

基于最优近似粗糙集的属性约简

为了更好地获取由边界域产生的不确定性规则知识,提出最优近似粗糙集的属性约简方法,为此给出了近似空间上粗糙集最优近似集的判定与计算,引入最优近似分布协调集、最优近似分布约简概念.讨论了Pawlak属性约简、分布约简、最优近似分布约简之间关系,得到在协调决策表中它们是等价的,在不协调决策表中最优近似分布约简是分布约简子集.最后通过实例进行了验证与说明     

基于模糊聚类方法的决策表约简算法

根据决策规则在实际应用中的匹配思想,对数值型一致决策表提出了一种基于模糊聚类方法的决策表约简方法.该方法在保持决策表一致性的前提下,通过冗余度大小的调整,对具有相同决策的对象进行压缩,从而达到对决策表约简的目的.基于计算相关规则的直接分类法验证结果显示,它是有效和可行的.     

基于粗糙集的频繁项集挖掘算法

根据粗糙集中多属性的等价类求解方法,提出一种事务数据库频繁项集的挖掘算法,该算法只在发现1-频繁项集时需扫描数据库,算法效率比Apriori算法要高.     

一种基于零值原则的属性约简方法

根据Guan等提出的完备信息系统下矩阵约简算法,提出一种改进的属性约简计算方法。该方法根据矩阵的运算特点,通过引入唯一零值概念,使得计算过程更为简易。证明了它与区分矩阵下属性约简的等价性,最后将该方法运用到协调决策表中,并用实例对此进行了说明。     

基于关联模式的电信客户致电实证分析

客户致电查询分析是企业客户关系管理中的重要内容之一,它对及时有效地了解客户需求、行为并制订合理的决策具有重要意义。针对电信客户在致电查询中所关注的内容,使用数据挖掘中的关联规则方法进行实证分析,可获得查询内容的侧重和查询项之间的关联性。     

基于矩阵的最简决策规则获取

获取决策表规则时,通常需要进行属性约简和属性值约简。该文分析属性值约简,针对协调决策表提出一种通过构造决策矩阵直接获取最简规则的方法。将原来考虑条件属性集和决策属性集决定的等价类之间的关系,转变为仅考虑决策矩阵同行元素之间的代数关系。通过实例验证了该方法的可行性。